数仓解惑：数据仓库常见建模方法与大数据领域建模实例综述

大家好，我是云祁，好久不见~

今天来和大家聊聊数仓常见的一些建模方法和具体的实例演示，一起来看看吧。

一、为什么需要数据建模？

在开始今天的话题之前，我们不妨思考下，到底为什么需要进行数据建模？

随着从IT时代到DT时代的跨越，数据开始出现爆发式的增长，这当中产生的价值也是不言而喻。如何将这些数据进行有序、有结构地分类组织存储，是我们所有数据从业者都要面临的一个挑战。

如果把数据看作图书馆里的书，我们希望看到它们在书架上分门别类地放置，而不是乱糟糟的堆砌在一起。

大数据的数仓建模正是通过建模的方法，更好的组织、存储数据，以便在性能、成本、效率和数据质量之间找到最佳平衡点，一般我们会从以下面四点考虑：

• 性能：能够快速查询所需的数据，减少数据I/O的吞吐。
• 成本：减少不必要的数据冗余，实现计算结果的复用，降低大数据系统中的存储成本和计算成本。
• 效率：改善用使用数据的体验，提高使用效率。
• 质量：改善数据统计口径的不一致性，减少数据计算错误的可能性，提供高质量的、一致的数据访问平台。

因此，毋庸置疑，大数据系统、数据平台都需要数据模型方法来帮助更好的组织和存储数据，数据建模的工作，也正是围绕上述四个指标取得最佳的平衡而努力。

二、从 OLTP 和 OLAP 系统的区别看模型方法论的选择

OLTP系统通常面向的主要数据操作是随机读写，主要采用3NF的实体关系模型存储数据，从而在事务处理中解决数据的冗余和一致性问题。

OLAP系